胶质瘤及肿瘤微血管DCE-MRI临床应用及研究进展

张俊峰　刘　恒　陈　晓　张伟国

胶质瘤及肿瘤微血管DCE-MRI临床应用及研究进展

张俊峰刘恒陈晓张伟国*

肿瘤微血管与胶质瘤的发生、发展、诊疗决策及预后判断密切相关。由于血脑屏障的破坏，常规增强MRI的对比强化程度不能真实反映肿瘤微血管的功能变化，临床准确诊断胶质瘤有一定困难。动态对比增强MRI是一种功能MR成像技术，不仅可以提供形态学信息，还可通过测量相关血流动力学参数对肿瘤微血管的通透性进行无创、动态、定量地评价，现已广泛应用于科研和临床工作中。综述动态对比增强MRI与胶质瘤肿瘤生物标志物表达的相关性、肿瘤分级、疗效监测以及预后评估。

胶质瘤；肿瘤微血管；动态对比增强磁共振成像；胶质瘤分级；抗血管治疗

Int J Med Radiol，2016，39（4）：366-372

胶质瘤是中枢神经系统最常见的原发性肿瘤，具有高度血管化、侵袭性强，中位生存期短和复发率高等特点。其肿瘤微血管与肿瘤的发生发展、诊疗决策及预后判断密切相关。动态对比增强MRI （DCE-MRI）是一种基于微血管通透性和药代动力学模型假设的新型功能MR成像技术，可无创、动态、定量评价微血管的功能特性，具有较高的软组织分辨力、特异性和准确性，已被广泛研究和应用于肿瘤早期诊断、肿瘤分级、疗效监测和预后评估。本文对近年来DCE-MRI在胶质瘤及胶质瘤微血管中的临床研究进展作一综述，以期加强影像医生对DCE-MRI的认识，提升胶质瘤的影像诊断水平，为个体化诊疗提供依据。

1　DCE-MRI基本原理及评价参数

DCE-MRI是基于快速成像序列的MR动态扫描。由于胶质瘤区域血脑屏障受到破坏，肿瘤微血管呈高通透性，经静脉注射的小分子对比剂（如Gd-DTPA）可由血管腔进入血管外细胞外间隙（extravascular extracellular space，EES）。通过追踪对比剂在血管腔和EES的动态分布状况，对时间-信号强度曲线（time signal intensity curve，TSIC）进行分析，并拟合适当的药代动力学模型计算多种定量参数，可评价肿瘤微血管的功能特性。

DCE-MRI半定量参数主要包括增强曲线下初始面积（initial area under curve，IAUC）、最大信号强度、最大斜率、达峰时间等。其不依赖药代动力学模型的建立，而是通过对兴趣区内的TSIC各指标进行测量、分析，进而获得胶质瘤微血管通透性和血流动力学特征。

除半定量参数外，根据药代动力学模型对TSIC进行数学处理，可计算出各定量参数值。药代动力学模型根据参数类型可分为单参数模型、双参数模型、三参数模型等。研究胶质瘤最常用 Tofts-Kermode两室模型（图1），其定量参数主要有容量转移常数（Ktrans）、速率常数（kep）、血浆容积分数（vp）、血管外细胞外容积分数（ve）；kep=Ktrans/ve［1-2］，Ktrans是对比剂由血管腔渗透到EES的速率，kep是对比剂由EES反流入毛细血管腔的速率，两者受渗透性和灌注量的影响，反映肿瘤内新生血管的情况，ve反映了EES中的细胞密度或肿瘤坏死的程度，与Ktrans共同反映对比剂漏出至EES的能力。不同分子质量的对比剂可对ve和Ktrans造成影响。由于受多种因素影响，不同扫描系统间基础信号存在差异，且参数数值变化与对比剂浓度呈非线性关系，因此不同的MRI序列获得的数据不易比较。美国国家癌症研究院推荐将IAUC和Ktrans作为DCE-MRI最主要的参数［3］。

图1　Tofts-Kermode两室模型示意图

2　DCE-MRI相关的胶质瘤微血管病理基础

胶质瘤微血管的形成是由众多调控因子参与、血管生成形式多样的复杂过程。目前已证实，胶质瘤至少可通过血管共生、血管生成、血管发生、血管生成拟态和胶质瘤干细胞转分化共5种方式形成肿瘤微血管［4］。肿瘤微血管不仅为肿瘤的发生发展提供必要的营养支持，而且其病理特征与肿瘤的恶化、侵袭、转移及治疗抵抗等密切相关。胶质瘤DCE-MRI的强化特征是肿瘤新生血管和血流动力学特点共同影响的结果。由于正常内皮细胞排列规则，细胞间存在紧密连接，血脑屏障结构完整，因此对比剂从正常成熟血管内扩散到EES的过程非常缓慢。与正常血管相比，胶质瘤新生血管管腔异常扩大扭曲，管壁脆性和通透性增加，并形成大量排列杂乱的分支和动静脉瘘。低级别胶质瘤（low grade glioma，LGG）的血管壁多由正常内皮细胞组成，细胞间连接紧密且血管基膜排列相对规则，血脑屏障功能仅受到轻度影响。而在高级别胶质瘤（high grade glioma，HGG）中，肿瘤微血管主要由不成熟毛细血管构成，内皮细胞成熟度低且形态异常，相邻细胞间隙增大，血管基膜变薄、扭曲、连续性中断并出现空窗样结构，血脑屏障被严重破坏，因此具有高通透性和高灌注特点［5］。当对比剂流经肿瘤微血管时，可快速扩散至EES，通过质子-电子、偶极子-偶极子效应缩短T1值，使周围组织在T1WI上呈高信号。在临床应用中，DCE-MRI可通过分析TSIC或拟合药代动力学模型生成相关参数对肿瘤微血管的通透性进行定量评价。

不同肿瘤之间甚至同一肿瘤不同区域的肿瘤微血管存在明显异质性。肿瘤边缘的瘤细胞增殖活跃，该区域具有较高的微血管密度和通透性。肿瘤中心因得不到及时、充足的血液供应，常出现出血、囊变、坏死等继发改变，此区域微血管密度较低，血液灌注不足。肿瘤周围组织多为水肿带，与肿瘤边缘和肿瘤中心相比，此处的微血管密度亦较低。肿瘤血管的异质性可导致不同肿瘤区域具有不同的DCE-MRI表现。

3　胶质瘤及肿瘤微血管的DCE-MRI评价

3.1DCE-MRI与肿瘤生物标志物表达的相关性肿瘤血管生成涉及多种相关因子的参与，如血管内皮生长因子（vascular endothelial growth factor，VEGF）、缺氧诱导因子（hypoxia inducible factor-1α，HIF-1α）、基质金属蛋白酶 9（metal matrix proteinase-9，MMP-9）等，其表达程度与胶质瘤的血管化程度和病理级别呈正相关。准确检测这些分子标志物的表达程度可反映血管生成的情况，有助于判断胶质瘤的恶性程度和预后。胶质瘤血管相关分子的表达存在异质性，随机取材不能真实反映其表达情况。由于DCE-MRI可对肿瘤血管功能特性进行定量评价，通过分析其渗透参数与肿瘤血管相关分子表达的相关性，可间接评估这些分子的表达情况，建立影像标志物与病理分子标志物之间的对照。

VEGF、HIF-1α和MMP-9是血管生成重要的细胞因子。在肿瘤缺氧微环境下，HIF-1α可促进VEGF的转录并维持其RNA的稳定性，VEGF不仅可以促进血管生成，还能够增加肿瘤血管的通透性。此外，MMP-9在肿瘤血管生成过程中参与降解和重塑细胞外基质，促进VEGF的释放。一些研究者［6-7］研究发现，DCE-MRI参数（Ktrans、ve、kep）与多形性胶质母细胞瘤（glioblastoma multiforme，GBM）中MMP-9的表达存在相关性，其中以kep最为显著。此外，kep与HIF-1α的表达也呈正相关，并有望成为评价GBM肿瘤进展和预后的影像标记。为了避免胶质瘤血管相关分子表达异质性的影响，有研究者基于MRI强化特征把胶质瘤划分为坏死中心、缺氧半暗带、肿瘤活跃区和瘤周水肿区4个区域，通过术中导航系统定点取材，发现DCE-MRI的多个参数在不同区域与缺氧相关因子的表达存在相关性，免疫组织指标显示分子免疫学Borstel抗体1（molecular immunology borstel number 1 antibody，MIB-1）指数和缺氧半暗带及瘤周水肿区内的VEGF表达程度存在相关性，并可预测总生存期［8］。

目前，胶质瘤分级仍以2007年WHO提出的分级方法作为标准［9］。然而，由于胶质瘤基因表达的不同，相同病理级别的肿瘤，其生物学行为可能完全不同。近年来利用基因表达差异对肿瘤进行分级分型已日益受到重视［10］。部分GBM病人存在甲基鸟嘌呤甲基转移酶（methylguanine methyl transferase，MGMT）甲基化，其与胶质瘤的预后、总体生存期及化疗反应密切相关。术前预测MGMT甲基化对指导治疗具有重要的作用。有研究［11］显示DCE-MRI参数Ktrans与MGMT甲基化呈正相关，其有可能成为术前预测GBM MGMT甲基化程度的影像标志。

3.2脑肿瘤的鉴别诊断及胶质瘤分级脑转移瘤是颅内常见的恶性肿瘤。由于单发性脑转移瘤和GBM均表现出明显的肿瘤强化和瘤周水肿，常规MRI对两者进行鉴别诊断存在一定困难。DCE-MRI可反映不同肿瘤微血管的功能特性，有助于GBM与乏血管脑转移瘤的鉴别诊断［12］。近年有研究者［13］应用DCE-MRI评价了脑肿瘤的实质区域和瘤周区域，认为实质区域的ve和IAUC值可用于鉴别诊断原发性中枢神经淋巴瘤和HGG，脑转移瘤和HGG。瘤周区域的Ktrans值可帮助鉴别原发性中枢神经淋巴瘤和HGG。此外，DCE-MRI定量参数Ktrans和ve对于诊断HGG中的感染性病灶也具有一定价值［14］。

不同级别的胶质瘤具有不同的生物学行为，术前对胶质瘤的准确分级有助于合理制定治疗方案、判断预后。组织病理学检查计算微血管密度（microvessel density，MVD）是临床进行胶质瘤分级的重要标准之一，但存在有创取材、抽样误差、肿瘤异质性、分类分级标准不统一、病理医师的主观认识差异等不足。相对脑血容量 （relative cerebral blood volume，rCBV）与MVD存在良好的相关性，目前文献报道大多是通过基于首过效应的动态磁敏感对比 MRI（dynamic susceptibility contrast MRI，DSC-MRI）来对胶质瘤进行分级和预后评估，但其存在对比剂漏出的缺陷，常常导致低估rCBV。DCEMRI可通过评价胶质瘤微血管通透性，显示异质性肿瘤内的强侵袭性和血管生成活跃区域，从而对胶质瘤进行分级，并为病理活检区域选择提供有效信息［15］。与LGG相比，HGG内皮新生血管化和内皮增生显著，具有更高比例的不成熟和高通透性微血管，因此具有较高的Ktrans和ve值［16-17］。有研究［18］表明Ktrans、ve值在Ⅱ级与Ⅲ级、Ⅱ级与Ⅳ级胶质瘤之间有显著差异，但在Ⅲ级与Ⅳ级之间无明显差异，Ktrans、ve可用于区分LGG和HGG。另有一些研究［19-20］也支持该结果。近年Jia等［21］研究发现HGG的Ktrans、ve值与CD105-MVD呈正相关，DCE-MRI可作为一种无创性方法评估胶质瘤MVD，进而进行胶质瘤分级。Zhao等［13］把胶质瘤分为肿瘤实质区域和瘤周区域，对不同级别胶质瘤中的DCE-MRI参数（Ktrans、ve、kep）进行了研究，并比较各参数的分级诊断能力，结果显示，ve的诊断效能最高，Ktrans和kep分别是敏感性和特异性最高的参数。然而在瘤周区域，仅Ktrans在HGG和LGG中有明显差异。目前，对于DCE-MRI在胶质瘤分级的应用中最佳参数及最佳阈值的选取，各研究者间的意见尚未统一。原因可能包括病例数量、定量参数的获取方法、动脉输入函数（arterial inputfunction，AIF）的获取方法不同等。

大量研究比较了DCE-MRI与其他成像序列对胶质瘤的分级能力，研究结论尚未统一。有文献［22］报道DCE-MRI各参数在区分LGG和HGG时均优于DWI的表观扩散系数ADC，且vp是分级的最佳参数，联合应用Ktrans、vp与ADC值可显著提高肿瘤诊断的准确性。也有研究［16］表明，ADC值与DCE-MRI的任何参数均无相关性，其原因可能是ADC不仅受EES的影响，还受多种生理性参数如肿瘤细胞密度、毛细血管床灌注和通透性等的影响。Law等［23］在对DCE-MRI与动态磁敏感增强MRI（DSC-MRI）比较的研究中认为，rCBV比Ktrans能够更有效地进行胶质瘤分级，并且rCBV与Ktrans呈弱正相关。有研究者［24］收集了85例胶质瘤病人，比较DCE-MRI参数（Ktrans、ve）与DSC-MRI参数rCBV、相对脑血流量（relative cerebral blood flow，rCBF）在胶质瘤分级诊断中的价值，认为Ktrans与ve值、rCBV与rCBF值均可用于区分HGG和LGG，敏感性及特异性最高的参数是rCBV，其次是Ktrans、ve和rCBF。动脉自旋标记 （arterial spin labeling，ASL）MRI因无需对比剂且能提供较高质量的CBF影像越来越受到关注。Roy等［25］比较了3D伪连续性动脉自旋标记MRI（3D-pseudo-continuous arterial spin labeling MRI，3D-pCASL-MRI）与DCE-MRI对胶质瘤分级的能力，认为3D-pCASL-MRI在胶质瘤分级方面尚不能替代DCE-MRI。此外，ASL本身尚存在一些不足，如影像信噪比较低且存在传输延迟效应，区域CBF值往往被低估［26］。

目前，关于哪种影像技术对胶质瘤分级（特别是HGG间）更加准确可靠，不同机构研究者间意见不一致。这是由于不同影像技术反映不同的病理特征，DCE-MRI侧重评价肿瘤微血管通透性，而DSC-MRI、ASL-MRI主要评价血管灌注异常。另外一个原因可能是胶质瘤血管具有3种不同发展趋势：①更高通透性而灌注无变化；②更高灌注而通透性无变化；③通透性及灌注均发生异常［23］。例如，在快速生长的HGG中，由于肿瘤细胞的快速增殖、坏死、血管通透性增高，出现肿瘤间质水肿和间质压升高，反过来会导致小血管被压缩，表现为灌注不足。因此，利用单一技术评价胶质瘤微血管并进行分级诊断是不全面的。Ktrans的变化与未成熟的新生血管和早期的血管形成有密切关系，与CBV呈正相关，但是关联不强，如果肿瘤血管的增多不伴有血管通透性增大，CBV的增加也不会伴有Ktrans增大［27］。Kang等［28］研究发现，基于MR灌注成像的血管管径指数（vessel size index，VSI）可定量反映肿瘤微血管的结构变化，优于CBV、CBF等常规指标。联合应用VSI-MRI技术与DCE-MRI可能为胶质瘤分级诊断提供更多信息。

3.3疗效监测手术切除肿瘤后进行放疗加替莫唑胺化疗是目前GBM的标准治疗方法。如何区分肿瘤进展、肿瘤复发与治疗相关效应（如假性进展、放射性坏死、假性反应等）引起的复杂影像表现一直是神经影像的难题。利用DCE-MRI可以定量评价肿瘤微血管通透性及血流分布的优势，可实时监测治疗前后某一具体时间点的微血管特征变化，评估治疗效果，为制定最佳组合的治疗方案提供依据。

20%～30%的GBM病人由于放化疗后炎性反应和血脑屏障通透性一过性增高，随访影像表现为新出现或增大的强化病灶，即假性进展，常规MRI序列对其与真性进展难以区分［29-30］。应用DSC-MRI参数rCBV可对两者进行区分。但其有一定局限性，尤其对于先前治疗过的病人，由于病灶出血、钙化，可引起较大的磁敏感伪影［31］。DCE-MRI因磁敏感伪影较小并能准确定量评价肿瘤血管微环境和血管通透性而受到青睐。Yun等［32］比较了Ktrans、ve、vp在放化疗后有真性进展的17例和假性进展的16例GBM病人间的差异，认为Ktrans和ve具有区分价值。以Ktrans=0.347 min-1为阈值，敏感度较低（59%）但特异度非常高（94%），对进一步治疗具有重要指导意义。尽管DCE-MRI的定量参数具有显示真实病理学过程（如血流动力学、血管通透性）的潜能，其应用仍面临一些问题，如动脉输入函数的测量、参数偶联、水交换、模型拟合的不稳定性［33］。半定量参数IAUC虽无需建立定量模型，但缺乏生物相关性。在Suh等［34］的一项研究中，通过对79例接受放化疗的GBM病人的DCE-MRI进行双峰直方图分析，认为TSIC曲线下面积比即初始AUC与终末AUC的比值（AUC ratio，AUCR），可作为独立影像标志物提示假性进展，AUCR50的敏感度和特异度分别为87.2%和83.1%。

此外，放疗3～12个月后，放射效应可能导致血脑屏障受损，局部缺血，从而引起放射性坏死，影像表现为病灶强化，与胶质瘤复发难以区分［35］。放射性坏死是由于血管病变和凝固性坏死而致灌注不足，故显示为低rCBV。复发的肿瘤由于血管生成，MVD增高，常表现为高rCBV。灌注MRI和灌注CT可对两者进行鉴别。然而，复发的肿瘤由于肿瘤细胞浸润及其微血管高通透性，引起肿瘤间质压增高和水肿，导致小血管受压而灌注不足。部分放射性坏死区域内除了血管闭塞外，还可能出现动脉瘤形成、毛细血管扩张、血管伸长、内皮细胞增殖活跃等变化，从而引起血管灌注升高［36］。这些因素导致rCBV 和rCBF评估重叠，增加了鉴别难度。DCE-MRI是从血管通透性方面评价肿瘤微血管，因而可避免上述缺陷。Bisdas等［37］研究显示Ktrans可区分胶质瘤复发和放射坏死损伤。Shin等［38］比较了DCE-MRI与DSC-MRI，认为结合AUCR和Ktrans能比rCBV更有效地区分胶质瘤复发和放射坏死损伤。

抑制肿瘤血管生成已被公认为一种较为有效的治疗策略。目前，抗肿瘤血管生成治疗药物种类繁多，正确评估各种药物的疗效有助于合理选择药物、制定最佳治疗方案并进行个体化治疗。贝伐单抗是最早获得FDA批准的抑制肿瘤血管生成药物，常与放疗联合治疗复发性胶质瘤。使用贝伐单抗治疗复发性GBM一个周期后，灌注参数Ktrans、rCBV值均降低；病人在接受2次贝伐单抗治疗后，肿瘤微血管通透性和MVD即可出现下降［39］。接受贝伐单抗联合放疗的复发性胶质瘤病人DCE-MRI参数Ktrans和AUC值在治疗1周后开始降低，在治疗后2个月时可更低，提示肿瘤低通透性和低灌注。治疗1周后Ktrans的下降与生存期可能存在相关性［40］。

GBM包括渗透性肿瘤区、非渗透性肿瘤区和血管源性水肿区3种组织成分，病理性依据为区分的金标准。准确界定肿瘤的边缘及范围对于指导制定手术方案具有重要意义。既往疗效评估多以MRI的强化面积为标准。2010年神经肿瘤评价标准特别强调了FLAIR/T2WI序列上非强化高信号对于疗效评估的意义。Artzi等［41］联合DSC-MRI和DCE-MRI将GBM划分成强化的肿瘤区、非强化的浸润性肿瘤区和瘤周水肿带3个区域，分区结果与MRS检测相吻合。其中4例GBM病人在使用贝伐单抗治疗后8 周MRI液体痕减反转恢复（FLAIR）/T2WI显示肿瘤体积缩小，按照神经肿瘤评价（RANO）标准，病人处于疾病稳定状态。但结合DSC-MRI和DCE-MRI分析，肿瘤体积缩小部分主要体现在瘤周水肿带，而肿瘤强化区和非强化的浸润性肿瘤区体积增加，提示肿瘤进展的可能，该研究表明DCE-MRI对GBM进行影像分区具有重要意义。

部分接受抗血管治疗的GBM病人在治疗早期会出现“血管结构正常化”，影像表现为快速显著的强化减弱，这种现象并不能真实反映治疗效果。非强化的浸润性肿瘤会继续生长，称为假性反应。Batchelor等［42］应用DCE-MRI评价了西地尼布（一种泛血管内皮生长因子受体酪氨酸激酶抑制剂）治疗复发GBM的效果，西地尼布可促使GBM血管正常化，缓解血管源性水肿。停止用药后，正常化的GBM血管可出现逆转。研究认为DCE-MRI参数Ktrans、ve值的降低可用来动态监测西地尼布的血管正常化效应。ve值的改变不仅可反映血管源性水肿的缓解程度，还与中断给药后的GBM血管正常化逆转具有相关性。在此研究中，ve值与强化容积在药物中断前均低于基线水平，而在给药间歇期由于血管正常化逆转而出现升高；当继续给药后，ve值与强化容积再次下降。这从侧面反映了抗血管药物治疗可导致“血管正常化”，引起假性反应。此外，还有研究［43］发现，Ktrans在GBM病人口服西地尼布1 d后即可发生变化，并可作为“血管正常化指数”指标之一来判断预后。

3.4预后评估DCE-MRI可定量评价肿瘤微血管通透性及血管生成，并广泛应用于胶质瘤的预后评价。有研究显示，Ktrans和vp可作为HGG总体生存率的预测指标［44］。Dhermain等［45］认为在LGG中，具有高血管通透性和强化的肿瘤无进展生存期更短。然而，由于准确测定肿瘤血管的通透性在技术上较难实现，以胶质瘤的微血管通透性判断预后还存在一定困难。有研究表明，与形态学方法相比，血管通透容积可更好地预测HGG的侵袭性和生存期，但Ktrans值仅和肿瘤进展时间相关［46］。而另有研究［47］显示，在HGG中单独应用CBV不能提供预后信息，而更高的Ktrans值提示更长的生存期。近年Nguyen等［48］研究认为DCE-MRI可作为评价胶质瘤预后的有效方法，更高的Ktrans与vp值提示更差的预后。这与他们之前利用CT灌注成像评估的结果一致。造成以上结论矛盾的原因可能是多方面的，如标本选取、不同的放化疗处理以及参数获取方法不同等，需要大样本数据予以证实。

4　小结与展望

作为一种无创评估肿瘤微血管功能特性的成像技术，DCE-MRI现已成为科研和临床工作的热点。其多参数定量特点可较为全面地评价肿瘤微血管功能特性，从而为肿瘤诊断、分级，治疗方案制定，疗效监测和预后判断提供帮助。与其他MR成像技术相比，DCE-MRI具有以下优势：①磁敏感性伪影较小，可有效评价幕下及后颅窝的病灶；②成像基础基于肿瘤微血管的高通透性，无需考虑因对比剂渗漏而导致的结果偏差；③其定量参数不仅能反映肿瘤微血管的病理变化，而且与多种肿瘤分子标志物表达相关，可能成为未来胶质瘤分子分级的影像标志物。

然而，DCE-MRI技术也存在一些不足，使其临床应用受到一定限制。如：①不同MR系统之间基础信号存在差异，导致半定量参数数据在不同扫描序列中不易比较。②成像参数的差异性。作为DCEMRI最主要的参数，Ktrans受血管表面通透性和血管流速的双重影响。在肿瘤血管的高通透性下，分子质量小的对比剂几乎全部由血管转运到EES，导致Ktrans不能准确反映血管通透性。应用大分子质量对比剂可改善此问题。③成像参数的局限性。由于定量参数受药代动力学模型和AIF计算方法的影响，单一参数无法正确全面评价病灶。这些缺陷均可导致参数对血管功能评价出现一定偏差，使得不同研究者间的实验结果存在一定差异，甚至相反。此外，DCE-MRI定量参数侧重评价微血管通透性，无法评价血管的灌注情况。

随着MRI扫描序列及影像后处理技术的不断发展，DCE-MRI的研究将着重从以下几个方面不断深入：①成像技术的改进及标准化；②最佳成像参数和结果解析标准的统一；③现有模型的改良及新模型的设计；④新型对比剂的开发及大分子对比剂的研究；⑤定量参数与胶质瘤细胞分子标志物及基因表达谱的相关性研究；⑥渗透-灌注联合显像等。北美放射学会成立的定量影像生物标志物联盟已组建DCE小组委员会，正致力于建立标准化的DCE-MRI影像采集和后处理流程，以促进影像标志物和定量成像的临床常规化。总之，DCE-MRI在评价胶质瘤微血管方面展现出强大的潜力，有着广阔的研究和应用前景。

［1］ Tofts PS，Brix G，Buckley DL，et al.Estimating kinetic parameters from dynamic contrast-enhanced T1-weighted MRI of a diffusable tracer：standardized quantities and symbols［J］.J Magn Reson Imaging，1999，10：223-232.

［2］ Tofts PS，Kermode AG.Measurement of the blood-brain barrier permeability and leakage space using dynamic MR imaging.1. Fundamental concepts［J］.Magn Reson Med，1991，17：357-367.

［3］NciC.MRworkshopontranslationalresearchincancer：recommendations for MR measurement methods at 1.5 Tesla and endpoints for use in phase 1/2a trials of anti-cancer therapeutics affecting tumor vascular function［R］.Maryland：National Cancer Institute，National Institutes of Health，2008：1-10.

［4］ HardeeME，ZagzagD.Mechanismsofglioma-associated neovascularization［J］.Am J Pathol，2012，181：1126-1141.

［5］ Miyagami M，Katayama Y.Angiogenesis of glioma：evaluation of ultrastructural characteristics of microvessels and tubular bodies （Weibel-Palade）in endothelial cells and immunohistochemical findings with VEGF and p53 protein［J］.Med Mol Morphol，2005，38：36-42.

［6］ Awasthi R，Pandey CM，Sahoo P，et al.Dynamic contrast-enhanced magnetic resonance imaging-derived kep as a potential biomarker of matrix metalloproteinase 9 expression in patients with glioblastoma multiforme：a pilot study［J］.J Comput Assist Tomogr，2012，36：125-130.

［7］Awasthi R，Rathore RK，Soni P，et al.Discriminant analysis to classify glioma grading using dynamic contrast-enhanced MRI and immunohistochemical markers［J］.Neuroradiology，2012，54：205-213.

［8］ Jensen RL，Mumert ML，Gillespie DL，et al.Preoperative dynamic contrast-enhanced MRI correlates with molecular markers of hypoxia and vascularity in specific areas of intratumoral microenvironment and is predictive of patient outcome［J］.Neuro Oncol，2014，16：289-340.

［9］Louis DN，Ohgaki H，Wiestler OD，et al.The 2007 WHO classification of tumours of the central nervous system［J］.Acta Neuropathol，2007，114：97-109.

［10］Verhaak RG，Hoadley KA，Purdom E，et al.Integrated genomic analysis identifies clinically relevant subtypes of glioblastoma characterized by abnormalities in PDGFRA，IDH1，EGFR，and NF1 ［J］.Cancer Cell，2010，17：98-110.

［11］Ahn SS，Shin NY，Chang JH，et al.Prediction of methylguanine methyltransferasepromotermethylationinglioblastomausing dynamic contrast-enhanced magnetic resonance and diffusion tensor imaging［J］.Neurosurg，2014，121：367-373.

［12］Jung BC，Arevalo-Perez J，Lyo JK，et al.Comparison of glioblastomas and brain metastases using dynamic contrastenhanced perfusion MRI［J］.J Neuroimaging，2016，26：240-246.

［13］Zhao J，Yang ZY，Luo BN，et al.Quantitative evaluation of diffusion and dynamic contrast-enhanced MR in tumor parenchyma and peritumoral area for distinction of brain tumors［J］.PLoS One，2015，10：e0138573.

［14］Haris M，Gupta RK，Singh A，et al.Differentiation of infective from neoplastic brain lesions by dynamic contrast-enhanced MRI［J］. Neuroradiology，2008，50：531-540.

［15］RobertsHC，RobertsTP，BraschRC，etal.Quantitative measurement of microvascular permeability in human brain tumors achieved using dynamic contrast-enhanced MR imaging：correlation with histologic grade［J］.AJNR，2000，21：891-899.

［16］Choi HS，Kim AH，Ahn SS，et al.Glioma grading capability：comparisons among parameters from dynamic contrast-enhanced MRI and ADC value on DWI［J］.Korean J Radiol，2013，14：487-492.

［17］Jia ZZ，Geng D，Xie T，et al.Quantitative analysis of neovascular permeability in glioma by dynamic contrast-enhanced MR imaging ［J］.J Clin Neurosci，2012，19：820-823.

［18］Jia ZZ，Geng DY，Liu Y，et al.Microvascular permeability of brain astrocytoma with contrast-enhanced magnetic resonance imaging：correlation analysis with histopathologic grade［J］.Chin Med J，2013，126：1953-1956.

［19］Li X，Zhu Y，Kang H，et al.Glioma grading by microvascular permeability parameters derived from dynamic contrast-enhanced MRIandintratumoralsusceptibilitysignalonsusceptibility weighted imaging［J］.Cancer Imaging，2015，15：4.

［20］李晓光，康厚艺，程海云，等.T1加权像动态对比增强MRI在评价脑胶质瘤微血管通透性及病理分级中的应用价值［J］.蚌埠医学院学报，2015，40：230-233.

［21］Jia ZZ，Gu HM，Zhou XJ，et al.The assessment of immature microvascular density in brain gliomas with dynamic contrastenhanced magnetic resonance imaging［J］.Eur J Radiol，2015，84：1805-1809.

［22］Arevalo-Perez J，Peck KK，Young RJ，et al.Dynamic contrastenhanced perfusion MRI and diffusion-weighted imaging in grading of gliomas［J］.J Neuroimaging，2015，25：792-798.

［23］Law M，Yang S，Babb JS，et al.Comparison of cerebral blood volume and vascular permeability from dynamic susceptibility contrastenhanced perfusion MR imaging with glioma grade［J］.AJNR，2004，25：746-755.

［24］黄杰，李晓光，康厚艺，等.DSC-MRI和DCE-MRI定量分析在脑胶质瘤分级诊断中的应用［J］.第三军医大学学报，2015，37：672-677.

［25］Roy B，Awasthi R，Bindal A，et al.Comparative evaluation of 3-dimensional pseudocontinuous arterial spin labeling with dynamic contrast-enhanced perfusion magnetic resonance imaging in grading of human glioma［J］.J Comput Assist Tomogr，2013，37：321-326.

［26］曾艳，钱银锋.动脉自旋标记技术的临床应用进展［J］.国际医学放射学杂志，2015，38：446-449.

［27］张伟国.脑胶质母细胞瘤肿瘤血管及其MRI研究［J］.第三军医大学学报，2013，35：2603-2609.

［28］Kang HY，Xiao HL，Chen JH，et al.Comparison of the effect of vessel size imaging and cerebral blood volume derived from perfusion mr imaging on glioma grading［J］.AJNR，2016，37：51-57.

［29］Gerstner ER，Mcnamara MB，Norden AD，et al.Effect of adding temozolomide to radiation therapy on the incidence of pseudoprogression［J］.J Neuro Oncol，2009，94：97-101.

［30］Brandsma D，Stalpers L，TaalW，et al.Clinicalfeatures，mechanisms，and management of pseudoprogression in malignant gliomas［J］.Lancet Oncol，2008，9：453-461.

［31］Jain R.Measurements of tumor vascular leakiness using DCE in brain tumors：clinical applications［J］.NMR Biomed，2013，26：1042-1049.

［32］Yun TJ，Park CK，Kim TM，et al.Glioblastoma treated with concurrent radiation therapy and temozolomide chemotherapy：differentiation of true progression from pseudoprogression with quantitative dynamic contrast-enhanced MR imaging［J］.Radiology，2015，274：830-840.

［33］ChengHL.ImprovedcorrelationtoquantitativeDCE-MRI pharmacokinetic parameters using a modified initial area under the uptake curve（mIAUC）approach［J］.J Magn Reson Imaging，2009，30：864-872.

［34］Suh CH，Kim HS，Choi YJ，et al.Prediction of pseudoprogression in patients with glioblastomas using the initial and final area under the curves ratio derived from dynamic contrast-enhanced T1-weighted perfusion MR imaging［J］.AJNR，2013，34：2278-2286.

［35］de Wit MC，de Bruin HG，Eijkenboom W，et al.Immediate postradiotherapy changes in malignant glioma can mimic tumor progression［J］.Neurology，2004，63：535-537.

［36］Gaensler EH，Dillon WP，Edwards MS，et al.Radiation-induced telangiectasia in the brain simulates cryptic vascular malformations at MR imaging［J］.Radiology，1994，193：629-636.

［37］Bisdas S，Naegele T，Ritz R，et al.Distinguishing recurrent highgrade gliomas from radiation injury［J］.Acad Radiol，2011，18：575-583.

［38］Shin KE，Ahn KJ，Choi HS，et al.DCE and DSC MR perfusion imaging in the differentiation of recurrent tumour from treatmentrelated changes in patients with glioma［J］.Clin Radiol，2014，69：264-272.

［39］Gutin PH，Iwamoto FM，Beal K，et al.Safety and efficacy of bevacizumab withhypofractionatedstereotacticirradiationfor recurrent malignant gliomas［J］.Int J Radiat Oncol Biol Phys，2009，75：156-163.

［40］Cabrera AR，Cuneo KC，Desjardins A，et al.Concurrent stereotactic radiosurgery and bevacizumab in recurrent malignant gliomas：a prospective trial［J］.Int J Radiat Oncol Biol Phys，2013，86：873-879.

［41］Artzi M，Blumenthal DT，Bokstein F，et al.Classification of tumor area using combined DCE and DSC MRI in patients with glioblastoma［J］.J Neuro Oncol，2015，121：349-357.

［42］Batchelor TT，Sorensen AG，Tomaso ED，et al.AZD2171，a pan-VEGFreceptortyrosinekinaseinhibitor，normalizestumor vasculature and alleviates edema in glioblastoma patients［J］.Cancer Res，2007，67：83-95.

［43］Sorensen AG，Batchelor TT，Zhang WT，et al.A “vascular normalization index”as potential mechanistic biomarker to predict survival after a single dose of cediranib in recurrent glioblastoma patients［J］.Cancer Res，2009，69：5296-5300.

［44］O'connor JP，Jayson GC.Do imaging biomarkers relate to outcome in patients treated with VEGF inhibitors［J］.Clin Cancer Res，2012，18：6588-6598.

［45］Dhermain F，Saliou G，Parker F，et al.Microvascular leakage and contrast enhancement as prognostic factors for recurrence in unfavorable low-grade gliomas［J］.J Neuro Oncol，2009，97：81-88.

［46］Yue C，Vijaya N，Daniel H，et al.The extent and severity of vascular leakage as evidence of tumor aggressiveness in high-grade gliomas ［J］.Cancer Res，2006，66：8912-8917.

［47］Mills SJ，Patankar TA，Haroon HA，et al.Do cerebral blood volume and contrast transfer coefficient predict prognosis in human glioma ［J］.AJNR，2006，27：853-858.

［48］Nguyen TB，Cron GO，Mercier JF，et al.Preoperative prognostic value of dynamic contrast-enhanced MRI-derived contrast transfer coefficient and plasma volume in patients with cerebral gliomas［J］. AJNR，2014，36：63-69.

（收稿2015-10-22）

DCE-MRI for tumor microvessels in glioma：clinical applications and current progress

ZHANG Junfeng，LIU Heng，CHEN Xiao，ZHANG Weiguo.Department of Radiology，Institute of Surgery Research，Daping Hospital，Third Military Medical University，Chongqing 400042，China

Tumor microvessels play a crucial role in tumor igenesis and progression，clinical decision-making and prognosis prediction.Due to the disruption of blood brain barrier，conventional MRI characterized by contrast enhancement may not truely reflect dysfunction of tumor microvessels and can hamper the accuracy of diagnosis in glioma.Dynamic contrast-enhanced magnetic resonance imaging（DCE-MRI）is a functional MRI，it provides conventional morphological information，and derives as well tracer kinetic parameters to estimate permeability of tumor microvessels noninvasively in a dynamic and quantitative manner，and hence has

considerable attention in the research and clinical field.The purpose of this article was to review the clinical application of DCE-MRI for glioma and tumor microvessels，with emphasis on the correlation analysis between DCE-MRI and glioma-associated biomarkers，glioma grading，therapy monitoring and prognosis prediction.

Glioma；Tumor microvessels；Dynamic contrast-enhanced magnetic resonance imaging；Glioma grading；Anti-angiogenesis therapy

国家自然科学基金（81571660）

10.19300/j.2016.Z3875

R739.41；R445.2

A

第三军医大学大坪医院野战外科研究所放射科，重庆 400042

张伟国，E-mail：wgzhang01@163.com

*审校者